【技术实现步骤摘要】
一种最大池化模拟装置
[0001]本申请涉及电子电路，具体涉及模拟电路，尤其涉及一种最大池化模拟装置。
技术介绍
[0002]神经网络及深度学习近年来在人工智能领域迅速发展，取得了许多成功的应用。卷积神经网络(CNN，Convolutional Neural Network)是一种广泛应用的深度学习算法模型，被大量运用在图像识别、模式识别等任务中，其主要由卷积层、池化层以及全连接层组成。池化层又称降采样层，在卷积层之间引入池化层，能够减小图像的空间大小，从而进一步减少参数的数量，同时避免过拟合，增加神经网络的鲁棒性。最大池化是常用的池化方法之一，往往通过数字电路来实现，传统的数字最大池化电路需要多个比较器、选择器、累加器、寄存器等电路模块，且随着输入数据量的增加，电路规模也将急剧增加，导致功耗较高、占用面积较大的问题。
技术实现思路
[0003]针对现有技术中的问题，本申请提供一种最大池化模拟装置，能够至少部分地解决现有技术中的问题。
[0004]为解决上述技术问题，本申请提供以下技术方案：
...
【技术保护点】
【技术特征摘要】
1.一种最大池化模拟装置，其特征在于，包括：比较单元、存储单元和模数转化单元；其中：所述比较单元与所述存储单元相连接，用于将接收的输入电压与所述存储单元中预存的待输出电压进行比较，得到比较结果；当所述比较结果为所述输入电压大于所述待输出电压时，所述比较单元的输出正向端输出高电平，所述比较单元的输出反向端输出低电平，所述存储单元将所述待输出电压调整为所述输入电压；所述模数转化单元与所述存储单元相连接，用于当所述比较单元完成所有输入电压的接收时，将最终得到的所述待输出电压从模拟信号转化为数字信号并输出。2.根据权利要求1所述的最大池化模拟装置，其特征在于，当所述比较结果为所述输入电压小于所述待输出电压时，所述比较单元的输出正向端输出低电平，所述比较单元的输出反向端输出高电平，所述待输出电压保持不变。3.根据权利要求2所述的最大池化模拟装置，其特征在于，所述比较单元包括：比较电路、锁存器和反相器；其中：所述比较电路用于将接收的输入电压与所述存储单元中预存的待输出电压进行比较，当所述输入电压大于所述待输出电压时，输出高电平，当所述输入电压小于等于所述待输出电压时，输出低电平；所述锁存器用于存储所述比较电路输出的高电平或低电平，并输出到所述比较单元的输出正向端；所述反相器用于当所述锁存器输出高电平时，将所述高电平转化为低电平，并输出到所述比较单元的输出反向端，当所述锁存器输出低电平时，将所述低电平转化为高电平，并输出到所述比较单元的输出反向端。4.根据权利要求3所述的最大池化模拟装置，其特征在于，所述比较电路可以通过静态比较电路进行比较，也可以通过动态比较电路进行比较。5.根据权利要求1所述的最大池化模拟装置，其特征在于，所述存储单元包括：传输门和电容器；其中：当所述比较单元输出正向端输出高电平，输出反向端输出低电平时，所述传输门用于打开传输门通路，对所述电容器进行充电，将所述待输出...
【专利技术属性】
技术研发人员：张和，蒋林君，康旺，李赛，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。